「零售的科學」主題地圖：
請點選圖上的連結開啟相關內容
（➡️ 零售的科學主題地圖導覽說明）
Composable Commerce 可組合式商務及 MACH 技術原則
因應未來不斷變化的消費場景，零售業的數位轉型，要打造出「可組合式商務」(Composable Commerce），以快速因應市場變化，創造靈活而有高適應性的企業。MACH 架構是一套打造可組合式商務的技術原則。
一份簡單的 D2C 發展指南
品牌要怎麼發展 D2C 呢？本指南希望可以提供的一個簡單的發展路徑，讓讀者作為一個參考。一個清晰的 D2C 服務骨幹，也就是從基礎到應用，從新的系統整合思維、發展 OMO 策略、搭建所有的自營通路，匯聚自己的全通路數據、再用規劃清楚的開放API來接上應用生態系。
區塊鏈是一個OpenDMP - 一種零方數據的可能性
區塊鏈技術可以實現消費者零方數據在零售業的應用，消費者可以擁有自己的消費記錄，在虛擬錢包裡面，跟每個品牌證明自己的信用與消費能力，以獲取品牌的優選服務。
NAPL X 會員等級：會員模型的交乘應用(2)
RFM是經典的會員分析三維度。NAPL分群是RF維度，會員分級就是用會員貢獻度，也就是M: Monetary Value的分群方式。而 NAPL 交乘 會員分級，就是一種RFM的分析方式。
NAPL x DCIU ：會員模型的交乘應用
透過不同模型的交乘，增加單一模型解釋的豐富度，可以讓簡化的模型，增加其更進一步的豐富度，因此可以簡單的 NAPL 模型觀測會員分佈全貌，然後透過 DCIU 交乘來用比較細緻的分群，來做會員溝通操作
「內容電商」到「RMN」，媒體與零售交乘出的新物種
內容即商品、商品即內容。媒體即通路、通路即媒體。在媒體上的零售商品廣告，或是在通路上的零售商品廣告，都屬於某一種型態的RMN。RMN 追求的主要是 Performance，廣告就是要帶來轉換，RMN 就是為了服務零售業的廣告而產生，成為更適合零售業的一種廣告方式。
零售業的AI產業模型：jooii
我們在服務零售業，我們應該要自己發展 AI，做零售業的AI產業模型，而不是只是去使用 Open AI 而已。零售業的產業AI，就是要解決零售產業問題，最核心使命是完成銷售。它應該是 To B 的，不需要會說人話，但要會幫老闆賺錢。
零售業的全通路領域地圖
就跟城市規劃一樣，會員、商品、交易、數據等等都會變成零售業在全通路領域地圖裡的基礎建設，就像每個城市的水廠、電廠、通路、跟公共運輸一樣，然後每個系統建築在這些基礎設施之上運作。
零售業的系統架構，決定了品牌的組織思維方式
傳統的循環是「先分配庫存（門市進貨），再進行銷售（門市銷售）」，而電商的循環是「先進行銷售，再分配庫存」，所以傳統以門市為基礎的庫存分配方式，真的是對的嗎？把電子商務是為一間虛擬門市來分配庫存，真的是好的嗎？
寫給2023的未來筆記-9點零售業現場的觀察
這幾年零售業將會面對新的挑戰與機會，庫存有更有效率的活用方式、流量獲取有新一代的方式、數據應用將成為所有品牌的競爭基石、甚至門市店員的角色與功能界線也可以模糊、還有區塊鏈技術將回歸到產業應用，零售業的樣貌將有很大程度的變化。
區塊鏈的零售業應用(1) - WEB2.0 X 區塊鏈：連結所創造的新機會
零售業的卡、券、點，都是消費者的數位資產，透過區塊鏈的技術，卡跟券都是一種NFT、點是品牌發券，連結上區塊鏈之後，並連結既有的WEB2.0的相關機制，為消費者與品牌，都各自帶來的新的利益與機會。
會員的五種姿態：從陌生人到狂熱者
Visitors、Followers、Leads、Members、Premium五種姿態，分別有五種參與深度：到訪、虛擬身份關聯、真實身份提供、主動互動、預支消費。也代表了五種不同的回購距離。
OMO庫存融合-貨暢其流
全通路造成庫存的碎片化，庫存在線上線下多個通路各要分配多少，透過OMS與ERP的整合，讓線上與門市都可以銷售全通路庫存，最大化庫存利用率，達到貨暢其流的理想。
